Text to SQL 利用自然语言处理和机器学习技术，结合数据库结构与业务语义，将用户的分析需求转换为 SQL，降低数据查询的技术门槛，减少重复编写查询语句的工作。
其四个关键应用场景包括：
- 即时数据查询：业务人员通过自然语言提出问题，例如查询上个月销售额前十的产品，减少对数据团队的依赖。
- 复杂分析的快速原型设计：分析师通过自然语言描述多表关联、聚合统计等需求，先生成 SQL 草稿，再进行验证和优化。
- 异构数据源的统一查询：结合支持跨源访问的分析引擎，为不同数据源提供统一的自然语言查询入口。实际支持范围取决于底层引擎、连接器和查询语言适配能力。
- 自动化报表与数据可视化：结合报表、调度和可视化工具，将生成的 SQL 保存为模板，用于周期性报表和仪表板更新。
Text to SQL 负责生成查询，数据库或分析引擎负责执行查询。与高性能分析引擎结合，可支持更大规模的数据分析，但实际准确性与响应速度仍取决于业务上下文、数据质量、查询复杂度和系统配置。
常见问题
不懂 SQL 的业务人员能使用 Text to SQL 吗？
可以。用户通过自然语言表达需求即可发起查询，但应明确指标、时间范围和筛选条件，并核对结果是否符合业务口径。
Text to SQL 生成的查询一定准确吗？
不一定。需求歧义、数据库结构理解不足或业务口径缺失，都可能导致错误。复杂分析应由分析师检查 SQL 和结果。
Text to SQL 会替代数据分析师吗？
其主要作用是减少查询编写工作，让分析师更专注于需求理解、结果验证和业务洞察，而不是替代这些职责。